CN105406485A - 基于改进蝙蝠算法的变电站动态无功优化方法与系统 - Google Patents

Abstract

本发明提供一种基于改进蝙蝠算法的变电站动态无功优化方法与系统，构建变电站动态无功优化数学模型，采用改进蝙蝠算法求解变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略。整个过程中，将蝙蝠算法应用到动态无功优化领域，并采用针对安全性约束和控制设备动作约束的启发式策略对蝙蝠算法进行改进，有效避免了算法陷入局部最优的情况，能够实现对变电站电压无功的最优控制，确保变电站正常、高效运行。

Description

基于改进蝙蝠算法的变电站动态无功优化方法与系统

技术领域

本发明涉及变电站技术领域，特别是涉及基于改进蝙蝠算法的变电站动态无功优化方法与系统。

背景技术

电力系统中的变电站是联系发电厂和电能用户的中间环节，它是电力系统中变换电压、接受和分配电能、控制电力流向和调整电压的电力装置，通过变电站将不同等级的电力网络相互连接。变电站的主要任务是在保证电能质量和安全的情况下经济地向用户提供电能。

通过对变电站电压无功的有效控制，不仅能够保证电能用户和电网的电压质量，而且能够减少无功功率在输电线路上的传输，降低输电网络的有功损耗。目前，大多数配电变电站中均安装有电压无功自动控制装置，包括有载调压变电站的分接头、并联电容器及电抗器。有载调压变电站能够在带负荷的情况下调整分接头档位，它是对下级网络进行电压控制的重要手段。并联电容器组通常安装于变电站的低压侧，其一方面能够改善系统的功率因数，降低输电网络的电能损耗，提高系统的经济性，另一方面能够调整系统电压，维持补偿点附近的电压水平，提高供电质量。

根据负荷的变化对变电站中有载调压变电站分接头档位和并联电容器组、电抗器组的综合控制，能够起到改善电网电压质量和降低网损的效果。变电站的电压无功自动控制装置是一个综合各种因素的复杂控制系统，既要考虑满足变电站一天的电压无功考核要求，以期达到改善电网电压质量和降低网损的效果，同时电压无功控制设备也要满足一天动作次数限制的要求，以期延长控制设备的使用寿命。研究在电压无功控制设备满足动作约束的条件下使变电站一天的电压无功状态达到最优，有着十分重要的现实意义。

发明内容

基于此，有必要针对目前尚无一种优化准确的基于改进蝙蝠算法的变电站动态无功优化方法的问题，提供一种基于改进蝙蝠算法的变电站动态无功优化方法与系统，实现对变电站电压无功的最优控制，确保变电站正常、高效运行。

一种基于改进蝙蝠算法的变电站动态无功优化方法，包括步骤：

构建变电站动态无功优化数学模型；

采用改进蝙蝠算法求解所述变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略，其中，所述改进蝙蝠算法为针对变电站安全性约束和变电站控制设备动作约束的启发式策略进行改进的蝙蝠算法。

一种基于改进蝙蝠算法的变电站动态无功优化系统，包括：

模型构建模块，用于构建变电站动态无功优化数学模型；

求解模块，用于采用改进蝙蝠算法求解所述变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略，其中，所述改进蝙蝠算法为针对变电站安全性约束和变电站控制设备动作约束的启发式策略进行改进的蝙蝠算法。

本发明基于改进蝙蝠算法的变电站动态无功优化方法与系统，构建变电站动态无功优化数学模型，采用改进蝙蝠算法求解变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略。整个过程中，将蝙蝠算法应用到动态无功优化领域，并采用针对安全性约束和控制设备动作约束的启发式策略对蝙蝠算法进行改进，有效避免了算法陷入局部最优的情况，能够实现对变电站电压无功的最优控制，确保变电站正常、高效运行。

附图说明

图1为本发明基于改进蝙蝠算法的变电站动态无功优化方法第一个实施例的流程示意图；

图2为本发明基于改进蝙蝠算法的变电站动态无功优化方法第二个实施例的流程示意图；

图3为变电站等值电路图；

图4为本发明基于改进蝙蝠算法的变电站动态无功优化系统第一个实施例的结构示意图；

图5为本发明基于改进蝙蝠算法的变电站动态无功优化系统第二个实施例的结构示意图；

图6为动态无功优化的电压曲线与原始电压曲线对比图；

图7为动态无功优化的功率因数曲线与原始功率因数曲线对比图。

具体实施方式

如图1所示，一种基于改进蝙蝠算法的变电站动态无功优化方法，包括步骤：

S100：构建变电站动态无功优化数学模型。

无功优化主要包含两个方面，一方面是无功补偿装置的优化规划，另一方面的电压无功优化控制。数学模型是关于部分现实世界和为一种特殊目的而作的一个抽象的、简化的结构。具体来说，数学模型就是为了某种目的，用字母、数字及其它数学符号建立起来的等式或不等式以及图表、图象、框图等描述客观事物的特征及其内在联系的数学结构表达式。

S200：采用改进蝙蝠算法求解所述变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略，其中，所述改进蝙蝠算法为针对变电站安全性约束和变电站控制设备动作约束的启发式策略进行改进的蝙蝠算法。

蝙蝠算法是一种元启发式优化算法，蝙蝠算法以微蝙蝠回声定位行为的基础,采用不同的脉冲发射率和响度。变电站安全性约束和变电站控制设备动作约束可以从构建好的变电站动态无功优化数学模型分析获得。

本发明基于改进蝙蝠算法的变电站动态无功优化方法，构建变电站动态无功优化数学模型，采用改进蝙蝠算法求解变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略。整个过程中，将蝙蝠算法应用到动态无功优化领域，并采用针对安全性约束和控制设备动作约束的启发式策略对蝙蝠算法进行改进，有效避免了算法陷入局部最优的情况，能够实现对变电站电压无功的最优控制，确保变电站正常、高效运行。

如图2所示，在其中一个实施例中，步骤S100具体包括：

S120：构建变电站等值电路。

图3为变电站等值电路示意图，在图3中，U₁为变压器高压侧，U₂为低压侧，Z_T为变压器阻抗，Y_T为变压器激磁导纳，k为变压器变比，S_L,t为变压器低压侧总负荷，Q_c为变电站低压侧无功补偿容量，Z₀为系统等值阻抗，U_0,t为通过系统等值阻抗与变电站参数计算得出的上级系统等值电压。不考虑负荷的电压特性，当改变主变分接头和投切电容器组时，系统等值电压U_0,t与负荷功率S_L,t保持不变。

S140：构建变电站动态无功优化数学模型的目标函数，其中，所述目标函数包括电压偏离电压控制目标最小、功率因数偏离功率因素控制目标最小以及分接头日动作次数最少。

变电站的动态无功优化模型，是以变电站低压侧电压偏离其理想值最小、高压侧功率因数偏离其理想值最小、主变分接头每日动作次数最少作为目标函数，并分别配置合理的权重系数。

式中，minJ为目标函数最小值，J₁为变电站低压侧电压偏离其理想值，J₂为变电站低压侧电压偏离其理想值，J₃为主变分接头每日动作次数，U_2,t为变电站低压侧实际电压，U_2,t ^aim为低压侧理想电压，为变电站高压侧实际功率因数，为高压侧理想功率因数，N为一天的时段数，N_Tap为主变分接头每日动作次数，α₁、α₂以及α₃为权重系数。

S160：根据所述变电站动态无功优化数学模型的目标函数，确定控制目标，其中，所述控制目标包括电压控制目标和功率因数控制目标，所述电压控制目标根据变电站负载率确定，所述功率因数控制目标根据变电站高压侧电压确定。

电压控制目标

变电站负载率能够反映该变电站低压侧所有馈线的负荷轻重，基于变电站负载率的电压控制目标能够基本适应所有馈线的负荷变化情况。当变电站下级配电网供电线路较长、负荷变动较大时，变电站低压侧电压控制目标往往采用逆调压控制方式。电压控制目标U_2,t ^aim，是根据变电站一天不同时刻的负载率ρ_t进行确定。

表1变电站低压侧电压控制范围

根据表1，将电压控制范围线性化得到该负载率范围的电压控制目标：

式中，U_2,t ^aim为基于变电站负载率的电压控制目标，ρ_t为变电站t时刻的负载率，ρ_max为变电站高峰负载率阈值，ρ_min为变电站低谷负载率阈值。

功率因数目标

变电站高压侧的功率因数控制目标是为了适应上级电力系统的无功需求，当上级电网电压偏低时，无功普遍不足，希望将变电站高压侧功率因数调高，尽量不要从上级电网吸收过多无功；反之，当上级电网电压偏高时，无功普遍过剩，希望将变电站高压侧功率因数调低。因此，上级电网电压水平能够近似反映其无功水平，将变电站高压侧功率因数与之配合协调，考虑以变电站高压侧电压为参考制定高压侧功率因数各时段的控制目标。

根据《电力系统电压和无功电力技术导则》：1)发电厂和220kV变电所的110～35kV母线：正常运行方式时，为相应系统额定电压的-3％～+7％。2)35～220kV变电站在主变压器最大负荷时，其高压侧功率因数应不低于0.95，在低谷负荷时功率因数不应高于0.95，且不应低于0.92。

根据上述规定，并结合电压无功控制设备动作前变电站高压侧母线的电压水平U_1,t(0)，对变电站高压侧功率因数划分不同的控制范围，如表2所示。

表2变电站高压侧功率因数控制范围

根据表2，将功率因数控制范围线性化得到不同高压母线电压下的功率因数控制目标：

式中，为功率因数控制目标，U_1,t ⁽⁰⁾为变电站电压无功控制设备动作前的高压侧母线电压。

S180：构建变电站动态无功优化数学模型的约束条件，其中，所述变电站动态无功优化数学模型的约束条件包括潮流等式约束、变电站低压侧母线电压安全约束、变电站高压侧功率因数安全约束、主变分接头档位变化范围约束、电容器无功注入容量约束、变电站分接头日允许最大动作次数约束、电容器日允许最大投切次数约束以及变电站分接头相邻两次动作时间间隔约束。

变电站动态无功优化模型的约束条件如下：

约束条件一：潮流等式约束

式中，P_Gi,t、Q_Gi,t为节点i时刻t的有功与无功发电功率，P_Di,t、Q_Di,t为节点i时刻t的有功与无功负荷功率，U_i,t、U_j,t分别为节点i、j时刻t的电压幅值，n为节点个数，δ_ij为节点i、j的电压相角差，G_ij为节点i、j之间的电导，B_ij为节点i、j之间的电纳。

约束条件二：变电站低压侧母线电压安全约束

U_2,t ^min≤U_2,t≤U_2,t ^max(6)

式中，U_2,t是变电站低压母线时刻t的电压，U_2,t ^max、U_2,t ^min分别是变电站低压母线时刻t的电压上、下限。

约束条件三：变电站高压侧功率因数安全约束

式中，是变电站高压侧时刻t的功率因数，分别是变电站高压侧时刻t的功率因数上、下限。

约束条件四：主变分接头档位变化范围约束

T_min≤T_t≤T_max(8)

式中，T_t是变压器分接头时刻t的档位，T_max、T_min分别是变压器分接头档位的上、下限。

约束条件五：电容器无功注入容量约束

Q_Cimin≤Q_Ci,t≤Q_Cimax(i＝1,…,l)(9)

式中，Q_Ci,t是电容器i时刻t的无功注入容量，Q_Cimax、Q_Cimin分别是电容器i的无功注入容量上、下限，l为变电站内电容器个数。

约束条件六：变压器分接头日允许最大动作次数约束

式中，N为一天的时段数，|T_t+1⊕T_t|是变压器分接头档位从时刻t到时刻t+1的变化量，K为变压器分接头档位日允许最大动作次数。

约束条件七：电容器日允许最大投切次数约束

式中，N为一天的时段数，|C_i,t+1⊕C_i,t|是电容器i从时刻t到时刻t+1的投切次数，N_Qi为电容器i日允许最大投切次数。

约束条件八：变压器分接头相邻两次动作时间间隔约束

式中，m₁为变压器分接头档位相邻两次动作最小时段间隔，|T_t+1⊕T_t|是变压器分接头档位从时刻t到时刻t+1的变化量。

在其中一个实施例中，所述构建变电站等值电路的步骤之前还包括：

获取变电站日负荷曲线，其中，所述变电站日负荷曲线为按5分钟断面获取的288段日负荷曲线。

将日负荷曲线分为288段(以5分钟为断面)，更加符合变电站负荷的实际变化情况，获得的变压器分接头和电容器组的动作策略更加精确，能够应对负荷的突增或突减变化。

在其中一个实施例中，所述采用改进蝙蝠算法求解所述变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略的步骤具体包括：

步骤一：获取变电站以及变电站上级参数、主变分接头初始档位和电容器初始投入组数，设置蝙蝠算法中种群规模、最大迭代次数、惯性因子以及蝙蝠的最大限制速度。

输入原始数据，获取变电站及上级系统参数，及主变分接头初始档位T₀和电容器初始投入组数C₀，设置蝙蝠算法种群规模popsize、最大迭代次数K_max、惯性因子ω、最大限制速度V_max。

步骤二：随机赋予蝙蝠算法中每只蝙蝠的初始位置和初始速度。

在满足控制变量变化范围的约束条件下，随机赋予种群中每只蝙蝠的初始位置X_i和初始速度V_i。

步骤三：对不满足变电站动态无功优化数学模型第一约束条件的蝙蝠进行第一策略改进，以使所有蝙蝠均满足变电站动态无功优化数学模型第一约束条件，其中，所述变电站动态无功优化数学模型第一约束条件包括变电站分接头相邻两次动作时间间隔约束、变电站分接头日允许最大动作次数约束以及电容器日允许最大投切次数约束。具体来说，步骤三具体包括：

对不满足变电站动态无功优化数学模型第一约束条件的蝙蝠进行第一策略改进，以使所有蝙蝠均满足变电站动态无功优化数学模型第一约束条件，其中，所述变电站动态无功优化数学模型第一约束条件包括变电站分接头相邻两次动作时间间隔约束、变电站分接头日允许最大动作次数约束以及电容器日允许最大投切次数约束。

a)对种群所有不满足约束条件式(12)的蝙蝠，按照“分接头相邻两次动作时间间隔约束的改进策略”进行改进，具体改进策略如下：

设t_n-1和t_n是全天N个时段中任意2个档位差越限的连续时段，k_l为OLTC相邻时段最大动作次数，当相邻时段的分接头档位差超过k_l时，即：

|T_n-T_n-1|>k_l(13)

式中，T_n、T_n-1分别是第n时段和第n-1时段的原始分接头档位，k_l为OLTC相邻时段最大动作次数。

此时，保持T_n-1不变，则第n时段的有效档位调整范围是：

△T_n＝[T_n-1-k_l,T_n-1+k_l](14)

式中，△T_n为第n时段的有效档位调整范围，T_n-1是第n-1时段的原始分接头档位，k_l为OLTC相邻时段最大动作次数。

为了保证第n时段的分接头档位调整后能够尽量接近原始档位T_n，选择△T_n中最接近T_n的档位作为第n时段的有效新档位，即：

式中，T_n′为调整后分接头第n时段的有效新档位值，T_n、T_n-1分别是第n时段和第n-1时段的原始分接头档位，k_l为OLTC相邻时段最大动作次数。从第一个时段往后，按照上述策略逐时段检验相邻时段的档位差是否越限，若没有越限，则继续检验下一时段，若发生越限，则保持第n-1时段的档位不变，调整第n时段的档位至T_n′，然后继续检验下一时段，直至所有相邻时段均满足动作时间间隔约束条件为止。

b)对不满足约束条件式(10)和(11)的蝙蝠，按照“控制设备日允许最大动作次数约束的改进策略”进行改进，具体改进策略如下：

对主变分接头及电容器组的日动作次数约束中，除变量所代表意义不同以外，形式上完全相同。采用“削峰填谷”策略解决控制设备每日动作次数限制的问题。所谓“削峰填谷”，就是减小峰时段或增大谷时段的档位值。在档位有效调整范围内，峰值每减少1档或谷值每增加1档，分接头的日总动作次数都减少2。因此，可以根据随机个体的OLTC分接头档位日动作次数越限量和所有峰谷时段档位的有效调整范围，来确定具体时段的档位调整量，从而有效解决日动作次数越限问题。

步骤四：采用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估第一策略改进后蝙蝠算法种群中每只蝙蝠的适应值，寻找每只蝙蝠的个体最优，以及种群的个体最优。

应用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估种群中每只蝙蝠的适应值f(X_i)，寻找每只蝙蝠的个体最优Pbest，以及种群的个体最优Gbest。适应值f(X_i)的计算公式为：

f(X_i)＝1/F_i(17)

式中，f(X_i)为适应值，F_i为适应值的倒数，J_i为目标函数，如式(1)，U_2,t为变电站低压母线时刻t的电压，U_2,t ^max、U_2,t ^min分别是变电站低压母线时刻t的电压上、下限，为变电站高压侧时刻t的功率因数，分别是变电站高压侧时刻t的功率因数上、下限，β₁、β₂为惩罚因子。

步骤五：更新蝙蝠算法中迭代次数、惯性因子以及每只蝙蝠的频率与速度。

蝙蝠算法迭代开始，更新迭代次数k及惯性因子ω。更新每只蝙蝠的频率F_i和速度V_i。

F_i＝F_min+(F_max-F_min)β(18)

ω＝0.9-0.5·k/K_max(19)

式中，F_i为频率，β为[0,1]之间均匀分布的随机数，F_min和F_max分别被定义为最小和最大频率，ω为惯性因子，k为迭代次数，K_max为最大迭代次数，V_i ^k+1为第k+1代蝙蝠i的速度，X^*为迭代k次后的全局最优蝙蝠。

步骤六：

对不满足变电站动态无功优化数学模型第二约束条件的蝙蝠进行第二策略改进，以使所有蝙蝠均满足变电站动态无功优化数学模型第二约束条件，其中，所述变电站动态无功优化数学模型第二约束条件包括变电站高压侧功率因数安全约束与变电站低压侧母线电压安全约束。

c)对不满足约束条件式(7)的蝙蝠，按照“变电站高压侧功率因数安全约束的改进策略”进行改进，具体改进策略如下：

当变电站高压侧功率因数低于安全约束范围时，此时若切除电容器，则会进一步减小高压侧功率因数，更加偏离功率因数安全约束范围，因此，此时需要适当投入电容器组。同样，当变电站高压侧功率因数高于安全约束范围时，需要适当切除电容器组。根据式(20)在每一代蝙蝠算法更新速度V_i后，寻找变电站高压侧功率因数不满足安全约束条件的个体，然后针对这些个体有目的地更改其速度V_i，以使迭代后的下一代个体能够朝着满足高压侧功率因数安全约束条件的方向前进。

d)对不满足约束条件式(6)的蝙蝠，按照“变电站低压侧母线电压安全约束的改进策略”进行改进，具体改进策略如下：

当变电站低压侧母线电压低于安全约束范围时，此时若对主变分接头升档或切除电容器组，都会进一步减小变电站低压侧母线电压，更加偏离电压安全约束范围，因此，此时需要适当对主变分接头进行降档或适当投入电容器组。同样，当变电站低压侧母线电压高于安全约束范围时，需要适当对主变分接头进行升档或适当切除电容器组。根据式(20)在每一代蝙蝠算法更新速度V_i后，寻找变电站低压侧母线电压不满足安全约束条件的个体，然后针对这些个体有目的地更改其速度V_i，以使迭代后的下一代个体能够朝着满足低压侧电压安全约束条件的方向前进。

步骤七：更新所述蝙蝠算法中蝙蝠的速度，并满足蝙蝠的最大速度限制，更新蝙蝠的位置。

若V_i>V_max，则取V_i＝V_max，若V_i<-V_max，则取V_i＝-V_max。V_i为蝙蝠i的速度，V_max为最大限制速度。更新蝙蝠的位置X_i

X_i ^k+1＝X_i ^k+V_i ^k+1(21)

式中，X_i ^k+1为第k+1代蝙蝠i的位置，X_i ^k为第k代蝙蝠i的位置，V_i ^k+1为第k+1代蝙蝠i的速度。若位置超出控制变量的变化范围，则限制于变化范围的边界。

步骤八：对更新速度和更新位置之后的不满足变电站动态无功优化数学模型第一约束条件的蝙蝠进行所述第一策略改进，以使更新速度和更新位置之后的所有蝙蝠均满足变电站动态无功优化数学模型第一约束条件。

由于之前已更新蝙蝠算法的速度和位置，在蝙蝠算法中可能存在部分蝙蝠不满足变电站动态无功优化数学模型第一约束条件，对此，对更新速度和更新位置之后的不满足变电站动态无功优化数学模型第一约束条件的蝙蝠进行所述第一策略改进，以使更新速度和更新位置之后的所有蝙蝠均满足变电站动态无功优化数学模型第一约束条件。

步骤九：采用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估再次经过第一策略改进后蝙蝠算法种群中每只蝙蝠的适应值，寻找每只蝙蝠的个体最优，以及种群的个体最优。

步骤十：判断迭代次数是否达到所述最大迭代次数，当达到时，输出最后一次策略改进后蝙蝠算法种群的个体最优，获得变电站分接头和电容器组的最佳动作策略，当未达到时，返回步骤五再次进行迭代计算。

在其中一个实施例中，所述采用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估再次经过第一策略改进后蝙蝠算法种群中每只蝙蝠的适应值，寻找每只蝙蝠的个体最优，以及种群的个体最优之前还包括：

更新蝙蝠算法中蝙蝠响度A_i与蝙蝠脉冲发射率r_i，具体公式为：

A_i ^k+1＝αA_i ^k

r_i ^k+1＝r_i ⁰[1-exp(-γk)]

式中，A_i ^k+1为第k+1代蝙蝠i的响度，A_i ^k为第k代蝙蝠i的响度，r_i ^k+1为第k+1代蝙蝠i的脉冲发射率，r_i ⁰为蝙蝠i的初始脉冲发射率，α和γ为常数，其中，0<α<1、γ>0，初始值A_i ⁰∈[1,2]，r_i ⁰∈[0,1]；

当存在随机数大于脉冲发射率r_i时，按照公式X_i,new ^k＝X_i,old ^k+ε·<A_i ^k>进行随机漫步，式中，X_i,new ^k为第k代蝙蝠i的更新位置，X_i,old ^k为第k代蝙蝠i的旧位置，<A_i ^k>为全部蝙蝠的平均响度，ε为[-1,+1]范围内均匀分布的随机数。

如图4所示，一种基于改进蝙蝠算法的变电站动态无功优化系统，包括：

模型构建模块100，用于构建变电站动态无功优化数学模型；

求解模块200，用于采用改进蝙蝠算法求解所述变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略，其中，所述改进蝙蝠算法为针对变电站安全性约束和变电站控制设备动作约束的启发式策略进行改进的蝙蝠算法。

本发明基于改进蝙蝠算法的变电站动态无功优化系统，模型构建模块100构建变电站动态无功优化数学模型，求解模块200采用改进蝙蝠算法求解变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略。整个过程中，将蝙蝠算法应用到动态无功优化领域，并采用针对安全性约束和控制设备动作约束的启发式策略对蝙蝠算法进行改进，有效避免了算法陷入局部最优的情况，能够实现对变电站电压无功的最优控制，确保变电站正常、高效运行。

如图5所示，在其中一个实施例中，所述模型构建模块100具体包括：

等值电路构建单元120，用于构建变电站等值电路；

目标函数构建单元140，用于构建变电站动态无功优化数学模型的目标函数，其中，所述目标函数包括电压偏离电压控制目标最小、功率因数偏离功率因素控制目标最小以及分接头日动作次数最少；

控制目标确定单元160，用于根据所述变电站动态无功优化数学模型的目标函数，根据所述变电站动态无功优化数学模型的目标函数，确定控制目标，其中，所述控制目标包括电压控制目标和功率因数控制目标，所述电压控制目标根据变电站负载率确定，所述功率因数控制目标根据变电站高压侧电压确定；

约束条件构建单元180，用于构建变电站动态无功优化数学模型的约束条件，其中，所述变电站动态无功优化数学模型的约束条件包括潮流等式约束、变电站低压侧母线电压安全约束、变电站高压侧功率因数安全约束、主变分接头档位变化范围约束、电容器无功注入容量约束、变电站分接头日允许最大动作次数约束、电容器日允许最大投切次数约束以及变电站分接头相邻两次动作时间间隔约束。

在其中一个实施例中，所述模型构建模块100还包括：

日负荷曲线获取单元，用于获取变电站日负荷曲线，其中，所述变电站日负荷曲线为按5分钟断面获取的288段日负荷曲线。

在其中一个实施例中，所述求解模块200具体包括：

参数获取单元，用于获取变电站以及变电站上级参数、主变分接头初始档位和电容器初始投入组数，设置蝙蝠算法中种群规模、最大迭代次数、惯性因子以及蝙蝠的最大限制速度；

数值赋予单元，用于随机赋予蝙蝠算法中每只蝙蝠的初始位置和初始速度；

第一处理单元，用于对不满足变电站动态无功优化数学模型第一约束条件的蝙蝠进行第一策略改进，以使所有蝙蝠均满足变电站动态无功优化数学模型第一约束条件，其中，所述变电站动态无功优化数学模型第一约束条件包括变电站分接头相邻两次动作时间间隔约束、变电站分接头日允许最大动作次数约束以及电容器日允许最大投切次数约束；

第一计算单元，用于采用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估第一策略改进后蝙蝠算法种群中每只蝙蝠的适应值，寻找每只蝙蝠的个体最优，以及种群的个体最优；

更新单元，用于更新蝙蝠算法中迭代次数、惯性因子以及每只蝙蝠的频率与速度；

第二处理单元，对不满足变电站动态无功优化数学模型第二约束条件的蝙蝠进行第二策略改进，以使所有蝙蝠均满足变电站动态无功优化数学模型第二约束条件，其中，所述变电站动态无功优化数学模型第二约束条件包括变电站高压侧功率因数安全约束与变电站低压侧母线电压安全约束；

速度与位置更新单元，用于更新所述蝙蝠算法中蝙蝠的速度，并满足蝙蝠的最大速度限制，更新蝙蝠的位置；

重复处理单元，用于对更新速度和更新位置之后的不满足变电站动态无功优化数学模型第一约束条件的蝙蝠进行所述第一策略改进，以使更新速度和更新位置之后的所有蝙蝠均满足变电站动态无功优化数学模型第一约束条件；

第二计算单元，用于采用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估再次经过第一策略改进后蝙蝠算法种群中每只蝙蝠的适应值，寻找每只蝙蝠的个体最优，以及种群的个体最优；

判断单元，用于判断迭代次数是否达到所述最大迭代次数，当达到时，输出最后一次策略改进后蝙蝠算法种群的个体最优，获得变电站分接头和电容器组的最佳动作策略，当未达到时，控制所述更新单元更新蝙蝠算法中迭代次数、惯性因子以及每只蝙蝠的频率与速度的步骤再次进行迭代计算。

在其中一个实施例中，所述求解模块200还包括设置于所述重复处理单元与所述第二计算单元之间的：

蝙蝠响度与脉冲频率更新单元，用于更新蝙蝠算法中蝙蝠响度A_i与蝙蝠脉冲发射率r_i，具体公式为：

A_i ^k+1＝αA_i ^k

r_i ^k+1＝r_i ⁰[1-exp(-γk)]

式中，A_i ^k+1为第k+1代蝙蝠i的响度，A_i ^k为第k代蝙蝠i的响度，r_i ^k+1为第k+1代蝙蝠i的脉冲发射率，r_i ⁰为蝙蝠i的初始脉冲发射率，α和γ为常数，其中，0<α<1、γ>0，初始值A_i ⁰∈[1,2]，r_i ⁰∈[0,1]；

随机单元，用于当存在随机数大于脉冲发射率r_i时，按照公式X_i,new ^k＝X_i,old ^k+ε·<A_i ^k>进行随机漫步，式中，X_i,new ^k为第k代蝙蝠i的更新位置，X_i,old ^k为第k代蝙蝠i的旧位置，<A_i ^k>为全部蝙蝠的平均响度，ε为[-1,+1]范围内均匀分布的随机数。

为了更进一步详细本发明基于改进蝙蝠算法的变电站动态无功优化方法与系统的技术方案及其带来的有益效果，下面将以实例进行解释说明(为了确保解释说明的完整性与连贯性，在下述内容中将继续使用之前已述的计算公式与表格)。

1)变电站等值电路

变电站等值电路如图3所示。U₁为变压器高压侧，U₂为低压侧，Z_T(Z_T＝(1.5374+j38.220)×10^-5)为变压器阻抗，Y_T(Y_T＝0.1881-j0.2571)为变压器激磁导纳，k(k＝110±8×1.25％/10.5)为变压器变比，S_L,t(t＝0,1,…,287)为变压器低压侧总负荷，Q_c(Q_c＝3Mvar/组×2组)为变电站低压侧无功补偿容量，Z₀(Z₀＝(6.5702+j53.306)×10^-5)为系统等值阻抗，U_0,t(t＝0,1,…,287)为通过系统等值阻抗与变电站参数计算得出的上级系统等值电压。不考虑负荷的电压特性，当改变主变分接头和投切电容器组时，系统等值电压U_0,t(t＝0,1,…,287)与负荷功率S_L,t(t＝0,1,…,287)保持不变。

2)目标函数

变电站的动态无功优化模型，是以变电站低压侧电压偏离其理想值最小、高压侧功率因数偏离其理想值最小、主变分接头每日动作次数最少作为目标函数，并分别配置合理的权重系数。

式中，J为目标函数，U_2,t(t＝0，1，…，287)为变电站低压侧实际电压，U_2,t ^aim(t＝0，1，…，287)为低压侧理想电压，(t＝0，1，…，287)为变电站高压侧实际功率因数，(t＝0，1，…，287)为高压侧理想功率因数，N(N＝288)为一天的时段数，N_Tap为主变分接头每日动作次数，α₁、α₂以及α₃(α₁＝1,α₂＝1,α₃＝0.01)为权重系数。

电压控制目标

变电站负载率能够反映该变电站低压侧所有馈线的负荷轻重，基于变电站负载率的电压控制目标能够基本适应所有馈线的负荷变化情况。当变电站下级配电网供电线路较长、负荷变动较大时，变电站低压侧电压控制目标往往采用逆调压控制方式。电压控制目标U_2,t ^aim(t＝0，1，…，287)，是根据变电站一天不同时刻的负载率ρ_t(t＝0，1，…，287)进行确定。

表1变电站低压侧电压控制范围

根据表1，将电压控制范围线性化得到该负载率范围的电压控制目标：

式中，U_2,t ^aim(t＝0，1，…，287)为基于变电站负载率的电压控制目标，ρ_t(t＝0，1，…，287)为变电站t时刻的负载率，ρ_max(ρ_max＝0.6)为变电站高峰负载率阈值，ρ_min(ρ_min＝0.3)为变电站低谷负载率阈值。

功率因数控制目标

根据《电力系统电压和无功电力技术导则》：1)发电厂和220kV变电所的110～35kV母线：正常运行方式时，为相应系统额定电压的-3％～+7％。2)35～220kV变电站在主变压器最大负荷时，其高压侧功率因数应不低于0.95，在低谷负荷时功率因数不应高于0.95，且不应低于0.92。

根据上述规定，并结合电压无功控制设备动作前变电站高压侧母线的电压水平U_1,t(0)(t＝0，1，…，287)，对变电站高压侧功率因数划分不同的控制范围，如表2所示。

表2变电站高压侧功率因数控制范围

根据表2，将功率因数控制范围线性化得到不同高压母线电压下的功率因数控制目标：

式中，(t＝0，1，…，287)为功率因数控制目标，U_1,t ⁽⁰⁾(t＝0，1，…，287)为变电站控制设备动作前的高压侧母线电压。

3)约束条件

变电站动态无功优化模型的约束条件如下：

约束条件一：潮流等式约束

式中，P_Gi,t(i＝1，2，3；t＝0，1，…，287)、Q_Gi,t(i＝1，2，3；t＝0，1，…，287)为节点i时刻t的有功与无功发电功率，P_Di,t(i＝1，2，3；t＝0，1，…，287)、Q_Di,t(i＝1，2，3；t＝0，1，…，287)为节点i时刻t的有功与无功负荷功率，(i＝1，2，3；t＝0，1，…，287)、U_j,t(i＝1，2，3；t＝0，1，…，287)分别为节点i、j时刻t的电压幅值，n(n＝3)为节点个数，δ_ij(i＝1，2，3；j＝1，2，3)为节点i、j的电压相角差，G_ij(i＝1，2，3；j＝1，2，3)为节点i、j之间的电导，B_ijG_ij(i＝1，2，3；j＝1，2，3)为节点i、j之间的电纳。

约束条件二：变电站低压侧母线电压安全约束

U_2,t ^min≤U_2,t≤U_2,t ^max(6)

式中，U_2,t(i＝1，2，3；t＝0，1，…，287)是变电站低压母线时刻t的电压，U_2,t ^max(U_2,t ^max＝1.07)、U_2,t ^min(U_2,t ^min＝1.00)分别是变电站低压母线时刻t的电压上、下限。

约束条件三：变电站高压侧功率因数安全约束

式中，(i＝1，2，3；t＝0，1，…，287)是变电站高压侧时刻t的功率因数，当U_1,t ⁽⁰⁾≤1.05时,当U_1,t ⁽⁰⁾>1.05时,)、(当U_1,t ⁽⁰⁾≤1.05时,0.95；当U_1,t ⁽⁰⁾>1.05时,)分别是变电站高压侧时刻t的功率因数上、下限。

约束条件四：主变分接头档位变化范围约束

T_min≤T_t≤T_max(8)

式中，T_t(t＝0，1，…，287)是变压器分接头时刻t的档位，T_max(T_max＝+8)、T_min(T_min＝-8)分别是变压器分接头档位的上、下限。

约束条件五：电容器无功注入容量约束

Q_Cimin≤Q_Ci,t≤Q_Cimax(i＝1,…,l)(9)

式中，Q_Ci,t(i＝1，2；t＝0，1，…，287)是电容器i时刻t的无功注入容量，Q_Cimax(Q_Cimax＝3)、Q_Cimin(Q_Cimin＝0)分别是电容器i的无功注入容量上、下限，l(l＝2)为变电站内电容器个数。

约束条件六：变压器分接头日允许最大动作次数约束

式中，N(N＝288)为一天的时段数，|T_t+1⊕T_t|是变压器分接头档位从时刻t(t＝0，1，…，287)到时刻t+1的变化量，K(K＝10)为变压器分接头档位日允许最大动作次数。

约束条件七：电容器日允许最大投切次数约束

式中，N(N＝288)为一天的时段数，|C_i,t+1⊕C_i,t|是电容器i(i＝1，2)从时刻t(t＝0，1，…，287)到时刻t+1的投切次数，N_Qi(N_Qi＝10)为电容器i日允许最大投切次数。

约束条件八：变压器分接头相邻两次动作时间间隔约束

式中，m₁(m₁＝5min)为变压器分接头档位相邻两次动作最小时段间隔，|T_t+1⊕T_t|是变压器分接头档位从时刻t到时刻t+1的变化量。

采用改进蝙蝠算法求解动态无功优化模型，具体步骤如下：

1)输入原始数据，获取变电站及上级系统参数，及主变分接头初始档位T₀(T₀＝+1)和电容器初始投入组数C₀(C₀＝1)，设置蝙蝠算法种群规模popsize(popsize＝20)、最大迭代次数K_max(K_max＝100)、惯性因子ω(ω＝0.9-0.5*k/K_max)、最大限制速度V_max(V_max＝1)。

2)在满足控制变量变化范围的约束条件下，随机赋予种群中每只蝙蝠的初始位置X_i(X_i＝T_i1,T_i2,…,T_i288,C_i1,C_i2,…,C_i288；i＝1，2，…，20)和初始速度V_i(V_i＝V_Ti1，V_Ti2,…,V_Ti288，V_Ci1，V_Ci2，…，V_Ci288；i＝1，2，…，20)。

3)对种群所有不满足约束条件式(12)的蝙蝠，按照“分接头相邻两次动作时间间隔约束的改进策略”进行改进，具体改进策略如下：

设t_n-1和t_n是全天N(N＝288)个时段中任意2个档位差越限的连续时段，k_l(k_l＝1)为OLTC相邻时段最大动作次数，当相邻时段的分接头档位差超过k_l时，即：

|T_n-T_n-1|>k_l(13)

式中，T_n、T_n-1分别是第n时段和第n-1时段的原始分接头档位，k_l(k_l＝1)为OLTC相邻时段最大动作次数。

此时，保持T_n-1不变，则第n时段的有效档位调整范围是：

△T_n＝[T_n-1-k_l,T_n-1+k_l](14)

式中，△T_n为第n时段的有效档位调整范围，T_n-1是第n-1时段的原始分接头档位，k_l(k_l＝1)为OLTC相邻时段最大动作次数。

为了保证第n时段的分接头档位调整后能够尽量接近原始档位T_n，选择△T_n中最接近T_n的档位作为第n时段的有效新档位，即：

式中，T_n′为调整后分接头第n时段的有效新档位值，T_n、T_n-1分别是第n时段和第n-1时段的原始分接头档位，k_l为OLTC相邻时段最大动作次数。

从第一个时段往后，按照上述策略逐时段检验相邻时段的档位差是否越限，若没有越限，则继续检验下一时段，若发生越限，则保持第n-1时段的档位不变，调整第n时段的档位至T_n′，然后继续检验下一时段，直至所有相邻时段均满足动作时间间隔约束条件为止。

4)对不满足约束条件式(10)和(11)的蝙蝠，按照“控制设备日允许最大动作次数约束的改进策略”进行改进，具体改进策略如下：

对主变分接头及电容器组的日动作次数约束中，除变量所代表意义不同以外，形式上完全相同。采用“削峰填谷”策略解决控制设备每日动作次数限制的问题。所谓“削峰填谷”，就是减小峰时段或增大谷时段的档位值。

在档位有效调整范围内，峰值每减少1档或谷值每增加1档，分接头的日总动作次数都减少2。因此，可以根据随机个体的OLTC分接头档位日动作次数越限量和所有峰谷时段档位的有效调整范围，来确定具体时段的档位调整量，从而有效解决日动作次数越限问题。

5)应用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估种群中每只蝙蝠的适应值f(X_i)(i＝1,2,…,20)，寻找每只蝙蝠的个体最优Pbest，以及种群的个体最优Gbest。适应值f(X_i)(i＝1,2,…,20)的计算公式为：

f(X_i)＝1/F_i(17)

式中，f(X_i)(i＝1，2，…，20)为适应值，F_i(i＝1，2，…，20)为适应值的倒数，J_i(i＝1，2，…，20)为目标函数，如式(1)，U_2,t(t＝0，1，…，287)为变电站低压母线时刻t的电压，U_2,t ^max(U_2,t ^max＝1.07)、U_2,t ^min(U_2,t ^min＝1.00)分别是变电站低压母线时刻t的电压上、下限，(t＝0，1，…，287)为变电站高压侧时刻t的功率因数，(当U_1,t ⁽⁰⁾≤1.05时,当U_1,t ⁽⁰⁾>1.05时,)、(当U_1,t ⁽⁰⁾≤1.05时,当U_1,t ⁽⁰⁾>1.05时,)分别是变电站高压侧时刻t的功率因数上、下限，β₁(β₁＝10000)、β₂(β₂＝100)为惩罚因子。

6)蝙蝠算法迭代开始，更新迭代次数k(k＝k+1)及惯性因子ω(ω＝0.9-0.5*k/K_max)。

7)更新每只蝙蝠的频率F_i和速度V_i。

F_i＝F_min+(F_max-F_min)β(18)

ω＝0.9-0.5·k/K_max(19)

式中，F_i为频率，β为[0,1]之间均匀分布的随机数，F_min(F_min＝0)和F_max(F_max＝2)分别被定义为最小和最大频率，ω(ω＝0.9-0.5*k/K_max)为惯性因子，k为迭代次数，K_max(K_max＝100)为最大迭代次数，V_i ^k+1(V_i ^k+1＝V_Ti1，V_Ti2,…,V_Ti288，V_Ci1，V_Ci2，…，V_Ci288；i＝1，2，…，20)为第k+1代蝙蝠i的速度，X^*(X^*＝T_*1，T_*2，…，T_*288,C_*1，C_*2，…,C_*288)为迭代k次后的全局最优蝙蝠。

8)对不满足约束条件式(7)的蝙蝠，按照“变电站高压侧功率因数安全约束的改进策略”进行改进，具体改进策略如下：

当变电站高压侧功率因数低于安全约束范围时，此时若切除电容器，则会进一步减小高压侧功率因数，更加偏离功率因数安全约束范围，因此，此时需要适当投入电容器组。同样，当变电站高压侧功率因数高于安全约束范围时，需要适当切除电容器组。

根据式(20)在每一代蝙蝠算法更新速度V_i(V_i＝V_Ti1，V_Ti2,…,V_Ti288，V_Ci1，V_Ci2，…，V_Ci288；i＝1，2，…，20)后，寻找变电站高压侧功率因数不满足安全约束条件的个体，然后针对这些个体有目的地更改其速度V_i(V_i＝V_Ti1，V_Ti2,…,V_Ti288，V_Ci1，V_Ci2，…，V_Ci288；i＝1，2，…，20)，以使迭代后的下一代个体能够朝着满足高压侧功率因数安全约束条件的方向前进。

9)对不满足约束条件式(6)的蝙蝠，按照“变电站低压侧母线电压安全约束的改进策略”进行改进，具体改进策略如下：

当变电站低压侧母线电压低于安全约束范围时，此时若对主变分接头升档或切除电容器组，都会进一步减小变电站低压侧母线电压，更加偏离电压安全约束范围，因此，此时需要适当对主变分接头进行降档或适当投入电容器组。同样，当变电站低压侧母线电压高于安全约束范围时，需要适当对主变分接头进行升档或适当切除电容器组。

根据式(20)在每一代蝙蝠算法更新速度V_i(V_i＝V_Ti1，V_Ti2,…,V_Ti288，V_Ci1，V_Ci2，…，V_Ci288；i＝1，2，…，20)后，寻找变电站低压侧母线电压不满足安全约束条件的个体，然后针对这些个体有目的地更改其速度V_i(V_i＝V_Ti1，V_Ti2,…,V_Ti288，V_Ci1，V_Ci2，…，V_Ci288；i＝1，2，…，20)，以使迭代后的下一代个体能够朝着满足低压侧电压安全约束条件的方向前进。

10)V_i>V_max，则取V_i＝V_max，若V_i<-V_max，则取V_i＝-V_max。V_i(V_i＝V_Ti1，V_Ti2,…,V_Ti288，V_Ci1，V_Ci2，…，V_Ci288；i＝1，2，…，20)为蝙蝠i的速度，V_max(V_max＝1)为最大限制速度。

11)更新蝙蝠的位置X_i。

X_i ^k+1＝X_i ^k+V_i ^k+1(21)

式中，X_i ^k+1(X_i ^k+1＝T_i1,T_i2,…,T_i288,C_i1,C_i2,…,C_i288；i＝1，2，…，20)为第k+1代蝙蝠i的位置，X_i ^k为第k代蝙蝠i的位置，X_i ^k+1(X_i ^k+1＝V_Ti1，V_Ti2,…,V_Ti288，V_Ci1，V_Ci2，…，V_Ci288；i＝1，2，…，20)为第k+1代蝙蝠i的速度。若位置超出控制变量的变化范围，则限制于变化范围的边界。

12)对不满足约束条件式(12)的蝙蝠，按照“分接头相邻两次动作时间间隔约束的改进策略”进行改进，具体改进策略见步骤3)。

13)对不满足约束条件式(10)和(11)的蝙蝠，按照“控制设备日允许最大动作次数约束的改进策略”进行改进，具体改进策略见步骤4)。

14)更新响度A_i与脉冲发射率r_i。

A_i ^k+1＝αA_i ^k(22)

r_i ^k+1＝r_i ⁰[1-exp(-γk)](23)

式中，A_i ^k+1(i＝1，2，…，20)为第k+1代蝙蝠i的响度，A_i ^k(i＝1，2，…，20)为第k代蝙蝠i的响度，r_i ^k+1(i＝1,2,…,20)为第k+1代蝙蝠i的脉冲发射率，r_i ⁰(i＝1,2,…,20)为蝙蝠i的初始脉冲发射率，α(α＝0.9)和γ(γ＝2)为常数，通常0<α<1、γ>0，初始值A_i ⁰∈[1,2]，r_i ⁰∈[0,1]。

15)当某随机数大于脉冲发射率r_i(i＝1，2，…，20)时，按照式(24)进行随机漫步；否则，直接进入步骤16)。

式中，X_i,new ^k(i＝1，2，…，20)为第k代蝙蝠i的更新位置，X_i,new ^k(i＝1,2,…,20)为第k代蝙蝠i的旧位置，<A_i ^k>(i＝1，2，…，20)为全部蝙蝠的平均响度，ε为[-1,+1]范围内均匀分布的随机数。实际上，随机漫步是一种突变过程，将有助于防止搜寻被困在局部最优解。

16)应用牛顿-拉夫逊迭代法进行潮流计算，按照式(16)和(17)重新评估每只蝙蝠的适应值f(X_i)(i＝1，2，…，20)，并更新Pbest和Gbest。

17)判断迭代次数k是否达到最大迭代次数K_max(K_max＝100)，若是，则程序结束，并输出最优个体Gbest，否则，转向步骤6)继续迭代。

试验效果

对实施例1我国X地区变电站，采用改进蝙蝠算法进行变电站动态无功优化，并采用相同的“分接头相邻两次动作时间间隔约束的改进策略”、“控制设备日允许最大动作次数约束的改进策略”、“变电站高压侧功率因数安全约束的改进策略”、“变电站低压侧母线电压安全约束的改进策略”分别对粒子群算法和遗传算法均进行了改进，采用我国X地区变电站典型日以5分钟为断面的负荷数据，三种改进算法均迭代100次，三种改进算法均通过10次仿真试验，结果如表3所示。

表3改进蝙蝠算法与其它改进算法的仿真结果

对实施例1我国X地区变电站，由改进蝙蝠算法获得的动态无功优化全局最优解为变压器分接头档位和电容器组一天最佳的动作时刻及动作值，如表4所示。

表4我国X地区变电站典型日分接头档位与电容器组的最佳动作策略

按照表4分接头档位和电容器组的动作策略获得变电站低压母线一天的优化电压曲线和优化功率因数曲线，并与原始电压曲线、原始功率因数曲线作比较，如图6、图7所示。

采用下式定义实际曲线与目标曲线的偏差：

式中，△D为电压或功率因数一天的偏差值，D_t(t＝0，1，…，287)为t时段的实际电压或功率因数，D_t,aim(t＝0，1，…，287)为t时段的目标电压或功率因数，N(N＝288)为一天的时段数。则优化状态与原始状态下的电压、功率因数偏差对比如表5所示。

表5优化状态与原始状态的电压功率因数偏差对比

从实验结果可知：

1、由表3和表4可知，电压无功控制设备动作次数约束条件满足，本发明基于改进蝙蝠算法的变电站动态无功优化方法能够保证变压器分接头和电容器组一天的动作次数不会越限，且能够保证变压器分接头相邻两次动作时间间隔大于最小时间间隔；

2、由表3可知，变电站运行安全约束条件满足，本发明基于改进蝙蝠算法的变电站动态无功优化方法能够使变电站低压侧的电压合格率达到最高，使变电站高压侧的功率因数合格率达到最高；

3、由图6、图7、表5可知，本发明基于改进蝙蝠算法的变电站动态无功优化方法能够使变电站低压侧电压尽可能接近电压控制目标，使变电站高压侧功率因数尽可能接近功率因数控制目标，同时使变压器分接头日动作次数尽可能最少；

4、由表3可知，本发明基于改进蝙蝠算法的变电站动态无功优化方法能够避免算法陷入局部最优解，对于大规模优化问题能够获得全局最优解，且计算速度更快、计算精度更高，对于其它算法的改进策略具有普遍适用性；

5、表4可知，本发明基于改进蝙蝠算法的变电站动态无功优化方法将日负荷曲线分为288段(以5分钟为断面)，更加符合变电站负荷的实际变化情况，获得的变压器分接头和电容器组的动作策略更加精确，能够应对负荷的突增或突减变化。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于改进蝙蝠算法的变电站动态无功优化方法，其特征在于，包括步骤：

构建变电站动态无功优化数学模型；

采用改进蝙蝠算法求解所述变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略，其中，所述改进蝙蝠算法为针对变电站安全性约束和变电站控制设备动作约束的启发式策略进行改进的蝙蝠算法。

2.根据权利要求1所述的基于改进蝙蝠算法的变电站动态无功优化方法，其特征在于，所述构建变电站动态无功优化数学模型的步骤具体包括：

构建变电站等值电路；

构建变电站动态无功优化数学模型的目标函数，其中，所述目标函数包括电压偏离电压控制目标最小、功率因数偏离功率因素控制目标最小以及分接头日动作次数最少；

根据所述变电站动态无功优化数学模型的目标函数，确定控制目标，其中，所述控制目标包括电压控制目标和功率因数控制目标，所述电压控制目标根据变电站负载率确定，所述功率因数控制目标根据变电站高压侧电压确定；

构建变电站动态无功优化数学模型的约束条件，其中，所述变电站动态无功优化数学模型的约束条件包括潮流等式约束、变电站低压侧母线电压安全约束、变电站高压侧功率因数安全约束、主变分接头档位变化范围约束、电容器无功注入容量约束、变电站分接头日允许最大动作次数约束、电容器日允许最大投切次数约束以及变电站分接头相邻两次动作时间间隔约束。

3.根据权利要求2所述的基于改进蝙蝠算法的变电站动态无功优化方法，其特征在于，所述构建变电站等值电路的步骤之前还包括：

获取变电站日负荷曲线，其中，所述变电站日负荷曲线为按5分钟断面获取的288段日负荷曲线。

4.根据权利要求1或2或3所述的基于改进蝙蝠算法的变电站动态无功优化方法，其特征在于，所述采用改进蝙蝠算法求解所述变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略的步骤具体包括：

获取变电站以及变电站上级参数、主变分接头初始档位和电容器初始投入组数，设置蝙蝠算法中种群规模、最大迭代次数、惯性因子以及蝙蝠的最大限制速度；

随机赋予蝙蝠算法中每只蝙蝠的初始位置和初始速度；

对不满足变电站动态无功优化数学模型第一约束条件的蝙蝠进行第一策略改进，以使所有蝙蝠均满足变电站动态无功优化数学模型第一约束条件，其中，所述变电站动态无功优化数学模型第一约束条件包括变电站分接头相邻两次动作时间间隔约束、变电站分接头日允许最大动作次数约束以及电容器日允许最大投切次数约束；

采用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估第一策略改进后蝙蝠算法种群中每只蝙蝠的适应值，寻找每只蝙蝠的个体最优，以及种群的个体最优；

蝙蝠算法迭代开始，更新蝙蝠算法中迭代次数、惯性因子以及每只蝙蝠的频率与速度；

对不满足变电站动态无功优化数学模型第二约束条件的蝙蝠进行第二策略改进，以使所有蝙蝠均满足变电站动态无功优化数学模型第二约束条件，其中，所述变电站动态无功优化数学模型第二约束条件包括变电站高压侧功率因数安全约束与变电站低压侧母线电压安全约束；

更新所述蝙蝠算法中蝙蝠的速度，并满足蝙蝠的最大速度限制，更新蝙蝠的位置；

对更新速度和更新位置之后的不满足变电站动态无功优化数学模型第一约束条件的蝙蝠进行所述第一策略改进，以使更新速度和更新位置之后的所有蝙蝠均满足变电站动态无功优化数学模型第一约束条件；

采用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估再次经过第一策略改进后蝙蝠算法种群中每只蝙蝠的适应值，寻找每只蝙蝠的个体最优，以及种群的个体最优；

判断迭代次数是否达到所述最大迭代次数，当达到时，输出最后一次策略改进后蝙蝠算法种群的个体最优，获得变电站分接头和电容器组的最佳动作策略，当未达到时，返回所述更新蝙蝠算法中迭代次数、惯性因子以及每只蝙蝠的频率与速度的步骤再次进行迭代计算。

5.根据权利要求4所述的基于改进蝙蝠算法的变电站动态无功优化方法，其特征在于，所述采用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估再次经过第一策略改进后蝙蝠算法种群中每只蝙蝠的适应值，寻找每只蝙蝠的个体最优，以及种群的个体最优的步骤之前还包括：

更新蝙蝠算法中蝙蝠响度A_i与蝙蝠脉冲发射率r_i，具体公式为：

A_i ^k+1＝αA_i ^k

r_i ^k+1＝r_i ⁰[1-exp(-γk)]

式中，A_i ^k+1为第k+1代蝙蝠i的响度，A_i ^k为第k代蝙蝠i的响度，r_i ^k+1为第k+1代蝙蝠i的脉冲发射率，r_i ⁰为蝙蝠i的初始脉冲发射率，α和γ为常数，其中，0<α<1、γ>0，初始值A_i ⁰∈[1,2]，r_i ⁰∈[0,1]；

当存在随机数大于脉冲发射率r_i时，按照公式X_i,new ^k＝X_i,old ^k+ε·＜A_i ^k＞进行随机漫步，式中，X_i,new ^k为第k代蝙蝠i的更新位置，X_i,old ^k为第k代蝙蝠i的旧位置，为全部蝙蝠的平均响度，ε为[-1,+1]范围内均匀分布的随机数。

6.一种基于改进蝙蝠算法的变电站动态无功优化系统，其特征在于，包括：

模型构建模块，用于构建变电站动态无功优化数学模型；

求解模块，用于采用改进蝙蝠算法求解所述变电站动态无功优化数学模型，获得变电站分接头和电容器组的最佳动作策略，其中，所述改进蝙蝠算法为针对变电站安全性约束和变电站控制设备动作约束的启发式策略进行改进的蝙蝠算法。

7.根据权利要求6所述的基于改进蝙蝠算法的变电站动态无功优化系统，其特征在于，所述模型构建模块具体包括：

等值电路构建单元，用于构建变电站等值电路；

目标函数构建单元，用于构建变电站动态无功优化数学模型的目标函数，其中，所述目标函数包括电压偏离电压控制目标最小、功率因数偏离功率因素控制目标最小以及分接头日动作次数最少；

控制目标确定单元，用于根据所述变电站动态无功优化数学模型的目标函数，确定控制目标，其中，所述控制目标包括电压控制目标和功率因数控制目标，所述电压控制目标根据变电站负载率确定，所述功率因数控制目标根据变电站高压侧电压确定；

约束条件构建单元，用于构建变电站动态无功优化数学模型的约束条件，其中，所述变电站动态无功优化数学模型的约束条件包括潮流等式约束、变电站低压侧母线电压安全约束、变电站高压侧功率因数安全约束、主变分接头档位变化范围约束、电容器无功注入容量约束、变电站分接头日允许最大动作次数约束、电容器日允许最大投切次数约束以及变电站分接头相邻两次动作时间间隔约束。

8.根据权利要求7所述的基于改进蝙蝠算法的变电站动态无功优化系统，其特征在于，所述模型构建模块还包括：

日负荷曲线获取单元，用于获取变电站日负荷曲线，其中，所述变电站日负荷曲线为按5分钟断面获取的288段日负荷曲线。

9.根据权利要求6或7或8所述的基于改进蝙蝠算法的变电站动态无功优化系统，其特征在于，所述求解模块具体包括：

参数获取单元，用于获取变电站以及变电站上级参数、主变分接头初始档位和电容器初始投入组数，设置蝙蝠算法中种群规模、最大迭代次数、惯性因子以及蝙蝠的最大限制速度；

数值赋予单元，用于随机赋予蝙蝠算法中每只蝙蝠的初始位置和初始速度；

第一处理单元，用于对不满足变电站动态无功优化数学模型第一约束条件的蝙蝠进行第一策略改进，以使所有蝙蝠均满足变电站动态无功优化数学模型第一约束条件，其中，所述变电站动态无功优化数学模型第一约束条件包括变电站分接头相邻两次动作时间间隔约束、变电站分接头日允许最大动作次数约束以及电容器日允许最大投切次数约束；

第一计算单元，用于采用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估第一策略改进后蝙蝠算法种群中每只蝙蝠的适应值，寻找每只蝙蝠的个体最优，以及种群的个体最优；

更新单元，用于更新蝙蝠算法中迭代次数、惯性因子以及每只蝙蝠的频率与速度；

第二处理单元，对不满足变电站动态无功优化数学模型第二约束条件的蝙蝠进行第二策略改进，以使所有蝙蝠均满足变电站动态无功优化数学模型第二约束条件，其中，所述变电站动态无功优化数学模型第二约束条件包括变电站高压侧功率因数安全约束与变电站低压侧母线电压安全约束；

速度与位置更新单元，用于更新所述蝙蝠算法中蝙蝠的速度，并满足蝙蝠的最大速度限制，更新蝙蝠的位置；

重复处理单元，用于对更新速度和更新位置之后的不满足变电站动态无功优化数学模型第一约束条件的蝙蝠进行所述第一策略改进，以使更新速度和更新位置之后的所有蝙蝠均满足变电站动态无功优化数学模型第一约束条件；

第二计算单元，用于采用牛顿-拉夫逊迭代法进行潮流计算，根据潮流计算结果评估再次经过第一策略改进后蝙蝠算法种群中每只蝙蝠的适应值，寻找每只蝙蝠的个体最优，以及种群的个体最优；

判断单元，用于判断迭代次数是否达到所述最大迭代次数，当达到时，输出最后一次策略改进后蝙蝠算法种群的个体最优，获得变电站分接头和电容器组的最佳动作策略，当未达到时，控制所述更新单元更新蝙蝠算法中迭代次数、惯性因子以及每只蝙蝠的频率与速度的步骤再次进行迭代计算。

10.根据权利要求9所述的基于改进蝙蝠算法的变电站动态无功优化系统，其特征在于，所述求解模块还包括设置于所述重复处理单元与所述第二计算单元之间的：

蝙蝠响度与脉冲频率更新单元，用于更新蝙蝠算法中蝙蝠响度A_i与蝙蝠脉冲发射率r_i，具体公式为：

A_i ^k+1＝αA_i ^k

r_i ^k+1＝r_i ⁰[1-exp(-γk)]

式中，A_i ^k+1为第k+1代蝙蝠i的响度，A_i ^k为第k代蝙蝠i的响度，r_i ^k+1为第k+1代蝙蝠i的脉冲发射率，r_i ⁰为蝙蝠i的初始脉冲发射率，α和γ为常数，其中，0<α<1、γ>0，初始值A_i ⁰∈[1,2]，r_i ⁰∈[0,1]；

随机单元，用于当存在随机数大于脉冲发射率r_i时，按照公式X_i,new ^k＝X_i,old ^k+ε·＜A_i ^k＞进行随机漫步，式中，X_i,new ^k为第k代蝙蝠i的更新位置，X_i,old ^k为第k代蝙蝠i的旧位置，＜A_i ^k＞为全部蝙蝠的平均响度，ε为[-1,+1]范围内均匀分布的随机数。